ترجمه طلایی ارزیابی خودکار بحث های (گفتگوهای) آنلاین با متن کاوی

ترجمه طلایی ارزیابی خودکار بحث های (گفتگوهای) آنلاین با متن کاوی

ارزیابی خودکار بحث های (گفتگوهای) آنلاین با متن کاوی

تالارهای گفتگو و تبادل نظر آنلاین با سرعت در حال استفاده از سیستم های آموزش الکترونیکی هستند. این کار بار سنگینی را بر دوش مدرسان از نظر تعدیل بحث های دانشجویی قرار داده است. روش های ارزیابی قبلی در مورد مشارکت دانشجویان در بحث های آنلاین به شدت با روش های کمی دنبال شده است که لزوما تلاش دانشجویان را در بر نمی گیرد. همراه با گسترش این کاربرد، نیاز به ابزارهای سریع استخراج دانش برای تجزیه و تحلیل و ارائه پیام های آنلاین به شیوه ای مفید و معنی دار وجود دارد. این مقاله به بحث روی روشی کیفی پرداخته است که شامل تجزیه و تحلیل محتوای بحث ها و تولید کلیدواژگان خوشه ای است که می توان برای شناسایی موضوع های مورد بحث استفاده کرد. نویسندگان از یک الگوریتم خوشه ای k-means++ با تجزیه و تحلیل معنای نهفته برای ارزیابی موضوعات بیان شده توسط دانشجویان در تالارهای بحث و تبادل نظر آنلاین استفاده کردند. سپس این الگوریتم پیشنهادی با الگوریتم k-means++ استاندارد مقایسه شد. نویسندگان با استفاده از انجمن مدیریت دوره مودل برای اعتباربخشی الگوریتم پیشنهادی نشان دادند که الگوریتم خوشه ای k-means++ با تجزیه و تحلیل معنای نهفته بهتر از الگوریتم k-means++ مستقل عمل می کند.

Online discussion forums have rapidly gained usage in e-learning systems. This has placed a heavy burden on course instructors in terms of moderating student discussions. Previous methods of assessing student participation in online discussions followed strictly quantitative approaches that did not necessarily capture the students’ effort. Along with this growth in usage there is a need for accelerated knowledge extraction tools for analysing and presenting online messages in a useful and meaningful manner. This article discussed a qualitative approach which involves content analysis of the discussions and generation of clustered keywords which can be used to identify topics of discussion. The authors applied a new k-means++ clustering algorithm with latent semantic analysis to assess the topics expressed by students in online discussion forums. The proposed algorithm was then compared with the standard k-means++ algorithm. Using the Moodle course management forum to validate the proposed algorithm the authors show that the k-mean++ clustering algorithm with latent semantic analysis performs better than a stand-alone k-means++.

مقدمه
بحث های آنلاین یکی از برنامه های کاربردی مهم در ارتباطات به واسطه کامپیوتر در محیط های آموزش الکترونیکی است. چرا که آنها محیط یادگیری مشارکتی ناهمزمانی فراهم می کنند که در آن بین اعضای گروه تعامل ایجاد می شود، و آنها در بسیاری از سیستم های مدیریت یادگیری گنجانده می شوند.

تالارهای گفتگوی آنلاین یک استراتژی امیدوار کننده برای دروس حل مسئله و فعالیت های کشف گرا هستند. بحث های آنلاین تعدادی مزایای بالقوه ارائه می دهند که می توان با آن به دانشجویان کمک کرد در فعالیت هایی که به رشد فکری آنها دخیل است شرکت داشته باشند. به عنوان مثال، نوشتن پاسخ در بحث های آنلاین غالبا نسبت به بحث های رو در رو نیاز به تأمل بیشتری دارد. مزایای دیگر شامل کار تیمی و تفکر انتقادی و حمایت از کار مشترک است.

بیشتر سیستم های بررسی بحث های آنلاین مبتنی بر روش های کمی هستند. یک روش معمول برای ارزیابی مشارکت دانشجو شمارش تعداد ارسال ها است. با افزایش ثبت نام برای دوره، تعامل سنگین تر آنلاین یک بار قابل توجهی بر مدرسان